基于灰度共生矩阵的肝脏纹理特征提取

基于灰度共生矩阵的肝脏纹理特征提取

杨国城1卢凤梅2李美玲2

杨国城1卢凤梅2李美玲2

（1泸州医学院生物医学工程系四川泸州646000）

（2电子科技大学生命科学与技术学院四川成都610054）

【摘要】本文采用共生矩阵的方法提取多幅异常肝脏CT图像的感兴趣区域（regionofinterest,ROI）的纹理特征，对两种病变肝脏组织——肝囊肿和肝细胞癌，以及正常肝脏进行纹理分析，对比得出。结论异常肝脏组织的纹理比较粗，比较杂乱且模糊，而正常肝脏组织的纹理比较规则;肝囊肿组织较肝细胞癌组织局部纹理更相似、更均匀而肝细胞癌局部纹理更杂乱。

【关键词】纹理特征灰度共生矩阵肝囊肿肝细胞癌

【中图分类号】R318【文献标识码】A【文章编号】2095-1752（2012）17-0105-02

1引言

肝脏疾病尤其是肝癌，是导致病人死亡的一个重要病症。现代图像处理技术根据不同的图像特征来检测正常和异常肝脏的差异[1]。基于共生矩阵提取纹理特征的方法是目前公认的比较经典的统计分析方法；纹理特征则是对肝脏进行分割和对肝脏疾病进行辅助诊断的一个重要依据，特征提取的多少及所选特征的有无代表性将直接影响后续工作的进行和诊断结果。本文主要运用灰度共生矩阵来提取肝脏病变CT图像感兴趣区域的纹理特征，进而研究病变组织之间与正常组织的差异。纹理分析通常包括能量，对比度，相关性，方差，逆差距，和方差，熵等14个特征参数值[2]，而研究表明用能量，熵，相关性，逆差距四个特征来描述纹理，就能达到很好的效果。

2纹理分析方法

2.1灰度共生矩阵

常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。纹理特征描述了图像或图像区域所对应物体的表面性质，灰度共生矩阵则是考虑像素之间关系的一种检测纹理特征的统计方法。一幅图象的灰度共生矩阵能反映出图象灰度关于方向、相邻间隔、变化幅度的综合信息，它是分析图象的局部模式和排列规则的基础。

2.2灰度共生矩阵的特点

灰度共生矩阵表示了灰度的空间依赖性，它描述在一种纹理模式下的像素灰度的空间关系[3]。由它的定义可知，通过（d,θ）值对组合可以派生许多共生矩阵用来分析图像灰度级别的空间分布格局。假设影像中某一区域由许多大小为σ的灰度均匀图斑组成，那么在该区域d<σ的共生矩阵P（i,j|d,θ）中对角线附近的元素值较大，而在d>σ的共生矩阵中远离对角线元素值就较大。

2.3常用四个纹理特征参数

由于灰度共生矩阵不能直接用于描述图像的纹理特征，通常定义一些统计量来提取它所反映的纹理特征，一般采用以下四个常用的参数[5]：

(1)能量(Energy)

能量即角二阶矩,代数式如（2-1）所示，它是灰度共生矩阵元素值的平方和，是影像纹理灰度变化均一性的度量，体现图像灰度分布均匀程度和纹理粗细。若矩阵的所有值相等，则能量值较小。

(2)相关性(Correlation)

相关性是度量空间灰度共生矩阵元素在行或列方向上的相似程度，反映某种颜色沿某些方向的延伸长度，若延伸得越长，则相关性越大，计算式为（2-2）。

(3)熵(Entropy)：

熵表示了图像中纹理的非均匀程度或复杂程度，函数式为（2-3），若灰度共生矩阵几乎为零，则图像没有任何纹理。若灰度共生矩阵值分布均匀，也即图像近于随机或噪声很大，熵值较大。

(4)逆差矩(InverseDifferenceMoment)

逆差矩如式（2-4），它反映图像纹理的同质性，度量图像纹理局部变化的多少。其值大则说明图像纹理的不同区域间变化小，局部非常均匀。

3材料与方法

本文共选取多幅实验图片，包括5幅肝囊肿、5幅肝细胞癌及1幅正常肝组织图片，图片均源自医学影像图库(http://www.qnr.cn/med/photo/yxyx/ct/gdyct/)。重点关注了四个纹理特征，即能量，熵，逆差矩，相关性，通过试验与比较，采用d=1的步距，并选取θ为0°、45°、90°、135°这四种常用方向[4]。首先对原始图片进行切割得到ROI，再进行直方图规定化，对图像做适当的灰度级调整使其对比度加大，进行特征提取，得到纹理特征。直方图规定化的优点主要是是能自动增强整个图像的对比度。

图3.1为用Matlab处理软件实现对比度增强过程的一个实例。

图3.1图像对比增强过程图

4实验结果

分别将五例肝囊肿及五例肝细胞癌图像的各个纹理特征取其平均值，然后再与正常肝组织的纹理特征进行对比，比较结果如下：

结果一：在00方向上，病变组织能量和逆差矩均小于正常肝脏，而熵和相关性则大于正常肝脏，并且肝囊肿的熵值较肝细胞癌的要大。

结果二：在450方向上，病变组织的能量和逆差矩较正常肝组织要小，肝细胞癌的相关性要大于肝囊肿。

结果三：在900方向上，两种病变肝组织的熵值和相关性较正常肝组织的要大，病变组织之间的熵值相近。

结果四：由图4.4可得到类似的结论，病变肝脏组织能量和逆差矩小于正常肝脏，而熵值和相关性大于正常肝脏，肝细胞癌的逆差矩值最小。

5讨论

以上结果我们看到异常肝组织的熵值和相关性比正常肝组织的要大，但是能量和逆差矩比正常肝组织的要小，表明异常肝脏组织的纹理比较粗，比较杂乱且模糊，而正常肝脏组织的纹理比较规则。正常肝组织在零度方向上相关度最大，因此在水平方向上存在纹理，这与前人研究一致[6]，而肝囊肿和肝细胞癌则在450方向上相关性最大，这可能与组织的病变有关。肝囊肿的熵值、相关性、逆差矩均大于肝细胞癌，说明肝囊肿组织较肝细胞癌组织局部纹理更相似、更均匀，肝细胞癌局部纹理更杂乱。

6总结

纹理作为图像的一个基本特征，为医学分析提供了重要线索。目前纹理分析方法已成为图像处理领域中的一个重要研究方向[7～8]。但由于纹理只是物体表面的一种特性，并不能完全反映出物体的本质属性，故仅用纹理特征无法获得高层次图像内容。因此，寻找合理可靠的特征提取方法是此方面工作的努力目标。

参考文献

[1]王惠明，史萍．图像纹理特征的提取方法[J]．中国传媒大学学报（自然科学版），2006(01):11-13．

[2]HaralickRM，ShanmugamK，DinsteinI.Texturalfeaturesforimageclassfication.IEEETransactionsonSystems，ManandCybemetics，1973.

[3]杨德坤，侯德文，步亚东．灰度共生矩阵在纹理特征提取中的发展[J].学术研究.

[4]冯建辉，杨玉静．基于灰度共生矩阵提取纹理特征图像的研究[J]．北京测绘，2007(3):19-22．

[5]A.Baraldi，F.Parmiggiani.Aninvestigationofthetexturalcharacteristicsassociatedwithgray-levelco-occurrencematrixstatisticalparameters.IEEETrans.Geosci.RemoteSensing，1995．

[6]杨阳，胡超.基于超声的脂肪肝纹理特征提取[J].先进技术研究通报，2010(3):46-50.

[7]阮秋琦，《数字图像处理学》，2000．

[8]马莉，范影乐．纹理图像分析[M]．北京：科学出版社，2009:1-2．